我正在尝试确定给定页面是否不遵守标题标签（h1，h2等）的顺序。事实上，我希望能够解析一堆页面，并且每个页面返回不要按照标题顺序。
我的第一个目标是能够发现是否紧接着是除了h2之外的东西。我用以下模式实现了这个目标
(?<=<h1[^<>]*>.+?)(?<!<h1[^<>]*>.+?<h2[^<>]*>.+?)<h[3-6][^<>]*>
之前的正则表达式对我有用，虽然它不是很有效且远非完美。
所以在第一个地方我想帮助改进这种模式，并且如果可能的话，比较我的旧模式以及它为什么效率低下的原因。并且在第二个，我想升级/修改模式以实现原始目标，这是确保文档标题标记顺序得到尊重。
注意： 我正在使用RegexHero进行基准测试
I know Regular Expressions are typically not best practice for parsing HTML但这对我自己来说更像是一种练习更有效的外观，原子分组等等，感谢您的理解。
我们可以使用以下模式和以下文本作为样本
模式：
(?<=lol1.+?)(?<!lol1.+?lol2.+?)lol[3-6]
文字：
lol1 bla lol3 bla lol2 bla lol4
答案 0 :(得分：0)
您可以做的是将标题序列提取到您可以操作的数组。例如：
<h1><h3></h3></h1><h2><h3><h4></h4></h3></h2>
会转化为：
[1,3,-3,-1,2,3,4,-4,-3,-2]
然后，您可以使用简单的操作来验证您的结构（例如，从一个值跳转到下一个值是+/- 1）。
正则表达式：
/(<h\d|<\/h\d)/g